2026-09-15 18:43:31 西盟科技
从量子引力研究中的因果集，到生命、大脑、文明，再到正在崛起的AI Agent，一家深圳OPC瑞尔麦斯公司正在尝试做一件看上去近乎“不可能”的事情：用同一种因果语言，重新描述138亿年来新层级为什么会一次次出现。
2026年9月16日，《寻找演化的第一性原理》全球线上发布会将正式公开DCS——《因果结构演化框架》
项目由连续创业者卫荣杰发起。与传统跨学科研究不同，它背后没有庞大的研究团队，而是采用“一人公司 + 大模型 + AI Agent”的方式推进：AI参与文献检索、跨学科比较、反方论证、事实核查、知识管理和持续迭代。
但真正值得关注的，不只是“一个人能不能做这么大的研究”。
更重要的问题是：
AI出现以后，人类能够研究的问题尺度，是不是也正在发生变化?
从因果集到“可计算的因果箭头”
DCS把研究起点放得很底层，基于量子引力学中的因果集理论(Causal Set Theory)提出：把因果关系进一步表示为可类型化、可加权、可向量化的因果箭头，使复杂因果结构能够进入图模型、计算模型和AI推演。
其目的是研究： 从宇宙大爆炸之初，从最微观的因果箭头到基本粒子、原子、分子、细胞、生命、人类文明和AI。
会发现这像是一颗不断生长的因果结构演化树，不断的涌现出嵌套式的层级跃迁，同时伴随着对称性破缺的分支和有序因果自由度的不断释放，展开了整个宇宙的演化历史。
当然这是一个正在发展的宏大而艰巨的研究项目，而不是已经完成的数学结果。
DCS真正想解释的，是“新层级为什么不断出现”
138亿年前没有生命。
没有大脑。
没有文明。
更没有AI。
但今天，宇宙内部出现了一种能够记忆过去、预测未来，并主动改变未来的复杂系统。
这中间究竟发生了什么?
现代科学已经分别回答了其中很多局部问题：
物理学研究物质和时空。
生物学研究生命和演化。
神经科学研究大脑。
认知科学研究心智。
AI研究机器智能。
DCS追问的是另一个问题：
这些尺度之间的跃迁，会不会存在某些重复出现的共同因果机制?
它目前提出一条候选链是：
因果结构 → 因果持存 → 因果压缩 → 因果涌现 → 因果预测 → 因果干预。
换成更容易理解的话：
一个结构如果能够稳定留下来，就有可能进一步成为下一层世界的新单元。
底层关系形成稳定结构。
结构内部的大量复杂性被部分封装。
上层不再需要重新计算所有底层细节。
于是新的宏观变量出现，并开始拥有自己的预测能力甚至干预能力。
这就是DCS试图寻找的“层级跃迁”。
生命、大脑和文明，分别把因果推进了一步
DCS特别区分生命出现以前的结构演化，与生命出现以后的达尔文演化。
生命以前，更多是结构形成、稳定和消失。
当遗传、变异和差异繁殖出现以后，选择开始作用于能够跨世代保存和重建自身结构的系统。
生命由此不再只是“稳定存在”。
它开始主动维持让自己继续存在的条件。
而大脑又把这件事情推进了一步。
乌云出现，人预测下雨，于是现在就带伞。
雨还没有发生。
但一个关于未来的内部模型，已经改变了现在的行动。
因此DCS把智能的一条核心能力概括为：
压缩过去，模拟未来，反推行动，干预现实。
再往后，语言、文字、制度和科学让个人的记忆与因果影响突破寿命，形成文明。
今天，AI又开始把这种能力进一步外置。
大模型负责预测。
Agent连接工具。
软件执行动作。
机器人进入物理世界。
于是一个新的临界问题出现：
什么时候，更强的预测能力，会变成更大的现实因果作用域?
AI真正改变的，也许不是“聪明程度”，而是“能改变多少未来”
如果AI只是帮用户修改一封邮件，它能影响的现实非常有限。
如果AI开始参与科研、企业决策、金融、工业控制、软件系统甚至机器人行动，它改变的就不再只是信息。
而是现实中的后续因果链。
所以DCS提出一个更值得讨论的问题：
AI时代真正重要的变量，也许不只是模型有多聪明，而是它能够进入多少现实因果链条。
能力越强，行动越快，另一个问题反而越来越重要：
它正在优化什么目标?
如果目标错了怎么办?
如果每个局部系统都极高效地优化自己的短期目标，而文明整体缺乏足够快的纠错机制，又会发生什么?
这使AI问题从技术问题进一步变成了文明问题。
对文明而言，最重要的也许不是预测“哪个事会发生”
DCS在对人类—AI未来的假设推演中，进一步提出了一个更深的问题。
当文明已经拥有越来越强的递归式因果预测系统——
我们可以预测结果;
根据结果重新修改当前行动;
再根据新行动重新预测未来;
并不断通过AI、制度和技术干预现实——
那么文明面临的最高阶问题，就不再只是：
“未来会发生什么?”
而是：
“我们究竟把哪些未来因果路径，纳入今天的模型?”
因为模型里没有的未来，通常不会进入今天的权衡，更不会去主动建构。
因此，在DCS的推演中，一个高阶文明真正需要解决的问题，是：
文明真正高级的能力，不只是更准确地预测未来，而是有能力决定“哪些未来值得被今天认真考虑”。
这可能比单纯追求更强大的AI更加重要。
因为一个能够高速预测、高速决策、高速干预，却只看得到极短未来的文明，未必比一个能力较弱但能够考虑长期后果的文明更安全。
而这个时代最大的讽刺是，所有人都认为这不是一个个人该考虑的问题，也许就真没有人考虑过，但问题是：
一个OPC，为什么敢碰这种问题?
DCS本身还有另一层实验意义。
过去，一个人的研究边界，很大程度上受限于一个大脑能够阅读、记忆和处理多少知识。
AI正在改变这一限制。
今天，一个人可以拥有：
文献助手。
知识管理员。
程序员。
反方。
事实核查助手。
跨学科翻译器。
持续工作的AI Agent。
这并不意味着AI可以代替专业研究者，也不意味着一个人真的等于一整个研究院。
但它意味着：
个人第一次开始拥有过去只有组织才能提供的一部分知识调度能力。
所以DCS同时也是一次关于科研组织方式的实验：
AI到底只是提高研究效率，还是正在改变“科学研究最小组织单位”的边界?
真正困难的部分，现在才开始
项目方并没有把DCS定义成已经确立的统一理论。
相反，下一阶段最困难的任务，是把这些宏大的因果直觉变成真正能够计算和证伪的东西：
因果箭头如何加权?
不同尺度之间如何映射?
什么叫因果持存?
什么叫因果压缩?
宏观变量什么时候真正获得新的因果效力?
新的层级出现有没有可操作的判据?
AI能不能沿这些结构进行有效推演?
什么实验或计算结果出现时，DCS必须承认自己错了?
这才是它能否真正进入科学讨论的门槛。
项目方对此的表述是：
DCS的目标不是宣布一个终极理论，而是建立一个能够被挑战、形式化、计算和检验的开放因果框架。
9月16日，这套框架将通过《寻找演化的第一性原理》全球线上发布会正式公开。
它最终想追问的，或许并不只是“宇宙为什么演化成今天这样”。
而是一个更加大胆、也更加迫近的问题：
如果宇宙过去138亿年的演化真的存在某些反复出现的因果规律，那么在人类在AI帮助下释放更大的因果自由度，第一次获得如此强大因果预测和因果干预能力的今天，我们能不能利用AI，第一次更清醒地判断——下一步，人类究竟应该把自己演化成什么样的物种?
DCS研究资料：DOI 10.5281/zenodo.22709952
项目官网：mindas.me
